`
knight_black_bob
  • 浏览: 853252 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

python3.5 beautiful4.4 扣扣国内新闻 爬虫

阅读更多

 

 



 

 

  

 

#!/usr/bin/python3
# -*- coding: UTF-8 -*- 
'''
Created on 2016年11月18日

@author:  baoyou curiousby@163.com
'''

 
   
#http://ssdfz001.iteye.com/blog/2228685  
   
import  urllib.request
import urllib.parse
import os, sys 
import codecs 
import bs4 
from bs4 import BeautifulSoup  
import re
import urllib.request, urllib.parse, http.cookiejar 

     
#跟网址 http://news.qq.com/c/816guonei_1.htm  
base_url='http://news.qq.com/'
url='http://news.qq.com/c/816guonei_1.htm'  
#存储路径  
save_path='C:/Users/cmcc-B100036/Desktop/'  
save_img='img'  
save_txt='text'  
#抽取正则  
reg = '<a target=\"_blank\" class=\"pic\" href=\"([^\"]*)\"><img class=\"picto\" src=\"([^\"]*)\"></a><em class=\"f14 l24\"><a target=\"_blank\" class=\"linkto\" href=\"[^\"]*\">([^</a>]*)</a></em><p class=\"l22\">([^</p>]*)</p>'  
#request消息头  
heads = {   
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',  
'Accept-Encoding':'gzip, deflate, sdch',  
'Accept-Language':'zh-CN,zh;q=0.8',  
'Cache-Control':'max-age=0',  
'Host':'news.qq.com',  
'Proxy-Connection':'keep-alive',  
'Upgrade-Insecure-Requests':'1',  
'User-Agent':'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36'  
}  
  
#获取网页信息  
def getHtml(url):  
    fp = urllib.request.urlopen(url)
    bytes = fp.read()
    respAllHtml = bytes.decode('gbk')
    fp.close();
    #print('---- respAllHtml----',respAllHtml);
    return respAllHtml;  
  
#获取新闻列表  
def getList(url):   
    respHtml = getHtml(url);
    #print('---- respHtml----',respHtml);
    soup = BeautifulSoup(respHtml ,'html.parser');  
    list = soup.find_all('div',class_='Q-tpList');
#    print('-----------list .len------------',len(list));
    contents=[]   
    for x in list:  
        contents.append(x)  
    return contents  
#获取文本信息到本地  
def loadText(contents):  
    for content in contents :  
        load(content)  
#下载资源  
def load(content):   
#    print(content.prettify());  
#    
#    print(content.find('a',class_='pic'))
#    print(content.find('a',class_='pic')['href'])
#    print(content.find('a',class_='pic').img)
#    print(content.find('a',class_='pic').img['src'])
#    print( content.find('a',class_='linkto'))
#    print( content.find('a',class_='linkto').get_text())
#    print(content.find('p')) 
    urlsuffix=content.find('a',class_='pic')['href'];
    detailurl=base_url + urlsuffix; 
    detailimg= content.find('a',class_='pic').img['src'];   
    detailtitle = content.find('a',class_='linkto').get_text();   
    detailcontent = content.find('p').get_text();
    
    save_path='C:/Users/cmcc-B100036/Desktop/'
    save_path   =  save_path+urlsuffix.replace(".htm","");  
    if not os.path.exists(save_path):  
        os.makedirs( save_path, 0o755 );   
    newstext = save_path+'/%s'%save_txt  
    newsimg= save_path+'/%s'%save_img  
    if not os.path.exists(newstext):  
        os.makedirs( newstext, 0o755 );  
    if not os.path.exists(newsimg):  
        os.makedirs( newsimg, 0o755 );     
    urllib.request.urlretrieve(detailimg,newsimg+"/img.png"  );
    with codecs.open(newstext+"/text.txt",'w+','utf-8') as fp:  
        fp.write(detailurl+'\t'+detailimg+'\t'+detailtitle+'\t'+detailcontent)    
    #print ('------------------------------------------------------------ end one news')   
        
if __name__=="__main__":  
#     url=raw_input("""输入目标网址\n       按回车键结束\n""")  
    print ('---------------------start--------------------------------------')
    url='http://news.qq.com/c/816guonei_1.htm'; 
    contents = getList(url);
    loadText(contents);
    print ('---------------------end---------------------------------------') 

 

 

 

 

 

 

 

 

 

捐助开发者

在兴趣的驱动下,写一个免费的东西,有欣喜,也还有汗水,希望你喜欢我的作品,同时也能支持一下。 当然,有钱捧个钱场(右上角的爱心标志,支持支付宝和PayPal捐助),没钱捧个人场,谢谢各位。



 
 
 谢谢您的赞助,我会做的更好!

 

 

 

 

  • 大小: 227.1 KB
  • 大小: 19.5 KB
1
0
分享到:
评论

相关推荐

    Python3.5安装包及Pygame模块

    Python3.5是Python编程语言的一个重要版本,它在2015年发布,并在2020年结束了主要的支持。这个版本引入了许多新的特性和改进,使得它成为开发者广泛采用的版本之一。以下是关于Python3.5及其相关知识点的详细讲解:...

    python3.5从零开始学电子书

    python3.5从零开始学是专门针对Python新手量身设计,涵盖了Python 3.5 实际开发的重要知识点。内容包括:Python语言的类型和对象、操作符和表达式、编程结构和控制流、函数、序列、多线程、正则表达式、面向对象编程...

    python3.5简化版教程

    Python3.5作为Python的一个版本,继承了Python的诸多优点,并在此基础上进行了一些改进。 Python3.5的安装过程较为简单,适合零基础的编程入门者。首先,Python的标准安装程序支持多种操作系统,包括GNU/Linux、...

    python3.5-64位官方安装版下载

    "Python3.5-64位官方安装版下载"标题表明这是一个针对Windows操作系统、适用于64位处理器的Python 3.5安装包。 描述中提到的"python3.5-64位官方安装包(Windows版本)下载,欢迎大家下载。"意味着这个压缩包包含了...

    Python3.5从零开始学.pdf

    标题《Python3.5从零开始学.pdf》和描述《新版本Python3.5基础教程,从零入门必备,新书》中蕴含的知识点主要包括以下几个方面: 1. Python语言概述:Python是一种广泛使用的高级编程语言,以其简洁明了的语法和...

    Python3.5从零开始学

    Python3.5是Python编程语言的一个重要版本,它在2015年发布,引入了许多新特性和改进,为开发者提供了更强大、更高效的工具。本教程“Python3.5从零开始学”旨在帮助初学者掌握Python 3.5的基础和进阶知识,为实际...

    python3.5版本32位(3.5.2和3.5.4)帮助有需要的人

    在提供的压缩包`python3.5(3.5.2+3.5.4)`中,用户可以找到Python 3.5的两个具体版本:3.5.2和3.5.4。这两个版本都是32位的,旨在解决与32位DLL不兼容的问题。3.5.2是基础版本,而3.5.4是后续的维护版本,修复了...

    Python3.5高级拓展篇.zip

    1.Python3.5 openstack云计算专题 10课 Python3.5-01.云计算介绍.avi Python3.5-02.openstack组件介绍.avi Python3.5-03.keystone介绍.avi Python3.5-04.openstack组件通信流程.avi Python3.5-05.虚拟化介绍....

    Win-Caffe:Visual Studio 2015, CPU only, Python 3.5

    标题 "Win-Caffe:Visual Studio 2015, CPU only, Python 3.5" 指的是一个针对Windows平台的Caffe构建,它专为使用Visual Studio 2015开发环境、仅支持CPU运算且集成了Python 3.5接口的版本。这个版本的Caffe可能是由...

    pandas(python3.5)-win7_amd64.whl 压缩包

    配置python3.5环境用,亲测可用,系统是win7 64位的,用于实现yolo v3检测环境配置

    适用于Python3.5版本的编译好的dlib文件

    针对Python3.5版本的dlib预编译`.whl`文件,意味着它已经针对这个特定的Python版本进行了优化和测试。使用这个文件可以确保dlib与Python3.5的兼容性,避免了因版本不匹配可能导致的错误。为了安装这个预编译的dlib,...

    Python3.5基础语法篇视频.zip

    02 Python3.5基本数据构14课rar 03 Python3.5函数与变量19果tar 04,Python3.5装编程18课rar 05,.Python3.5模块讲解14课rar 06,Python3.5面向对象12课rar 07.Python3.5网络编程13课rar 08,Python3.5 Socekti高级...

    python3.5可用的scipy

    scipy是python科学计算必不可少的包之一,而为python3.5准备的scipy比较少,特此奉上,(需要先安装python3.5、pip及Numpy)下载该文件后,使用pip install scipy-0.18.0rc1-cp35-cp35m-win_amd64.whl实现安装

    Python3.5Django实战篇视频.zip

    1.Python3.5 DjangoWeb开发框架 18课 2 Python3.5 Django的ORM映射机制20课.rar 3.Python3,5 Django数据库实战15课,rar 4,Python3.5 Django分页与Cookie19课.rar 5.Python3,5 Django会话与表单验证21课rar 6,Python...

    Python 3.5从零开始学 刘宇宙 清晰版 非扫描版

    《Python 3.5从零开始学》是刘宇宙撰写的一本面向初学者的Python编程教程,由清华大学出版社于2019年8月出版。这本书以非扫描、高清晰度的形式提供,确保读者在学习过程中能获得优质的阅读体验。 Python 3.5是...

    《Python 3.5从零开始学》刘宇宙 mobi

    《Python 3.5从零开始学》专门针对Python新手量身定做,涵盖了Python 3 实际开发的重要知识点,内容包括:Python语言的类型和对象、操作符和表达式、编程结构和控制流、函数、序列、多线程、正则表达式、面向对象...

    Python 3.5从零开始学 刘宇宙 扫描版 pdf

    《Python 3.5从零开始学》是刘宇宙撰写的一本面向初学者的Python编程教程,由清华大学出版社于2019年8月出版。这本书以清晰易懂的语言,全面介绍了Python 3.5的基础知识和核心概念,旨在帮助没有编程背景的读者快速...

    caffe编译python3.5需要的boost库

    1. **Boost与Python 3.5集成**:在编译Caffe以支持Python 3.5时,首先需要确保你已经安装了Python 3.5以及其开发头文件(通常包含在`python3.5-dev`或类似包中)。接下来,你需要下载并编译Boost库,确保在编译时...

    Anaconda3支持python3.5

    ### Anaconda3支持Python3.5 #### 一、Anaconda3简介 Anaconda是由Continuum Analytics开发的一款开源数据科学平台。它集成了Python或R语言环境,为数据科学家提供了数百个科学包及其依赖项。Anaconda的强大之处...

    python3.5 pytorch-cpu-1.1.0和torchvision-cpu.zip

    Python3.5、PyTorch-CPU 1.1.0 和 torchvision-CPU 是深度学习领域中的关键组件,尤其对于那些没有GPU资源或者只需要在CPU上运行计算的开发者来说至关重要。PyTorch是一个开源的机器学习框架,由Facebook的AI研究...

Global site tag (gtag.js) - Google Analytics